SFAに失注理由を入力していても、「価格」「競合」「タイミング」といった分類を集計するだけでは、具体的な改善策までは見えてきません。同じ「価格」で失注した商談でも、予算条件が合わなかったのか、価格に見合う価値を伝えられなかったのか、競合との差を説明できなかったのかによって、見直すべき点は変わります。
AIを活用すると、失注コメント、商談メモ、活動履歴、顧客属性など、複数のSFAデータを横断して整理できます。ただし、AIへデータを渡せば、自動的に正しい原因が分かるわけではありません。分析目的を決め、必要なデータをそろえ、出力内容を人が確認する工程が必要です。
本記事では、AIで失注理由を分析し、SFAデータから営業の改善点を見つける手順を解説します。
AIによる失注理由の分析とは
AIによる失注分析とは、SFAに蓄積された商談データを整理し、失注しやすい条件や繰り返し現れる背景を探る取り組みです。
AIの役割は失注原因を断定することではありません。大量のデータから傾向を抽出し、営業担当者やマネージャーが確認すべき論点を絞り込むことです。
失注理由の集計とAI分析の違い
通常の集計では、「価格による失注が何件あったか」「競合に敗れた案件がどれくらいあるか」といった分類別の件数を把握できます。全体傾向をつかむには有効ですが、選択項目だけでは、その理由が生じた背景まで分かりません。
AIを使えば、失注コメントや商談メモに記録された内容から、顧客が表明した懸念、提案で不足していた可能性のある情報、商談が進まなかった条件などを整理できます。
例えば、失注理由が「価格」という分類を、予算上限の超過、競合との差額、費用対効果の説明不足、不要な機能を含む提案などに分ければ、改善対象を具体化できます。
AIによる失注分析で分かること
AIによる失注分析では、似た案件に共通する背景、顧客属性ごとの違い、商談フェーズごとの停滞、営業活動と結果の関係などを整理できます。商談メモや議事録に繰り返し現れる懸念点を抽出すれば、選択項目だけでは捉えにくい失注要因も確認できます。
ただし、分析結果は原因そのものではありません。個別の商談記録や営業担当者の認識を確認するための仮説として扱います。
失注理由だけを集計しても改善点が見えない理由
SFAに登録された失注理由は、商談の最終結果を簡潔に記録するための項目です。レポートでは扱いやすい反面、営業側で何を変えるべきかまでは分からないことがあります。
改善点を見つけるには、登録された理由と、その結果に至った商談過程を分けて考える必要があります。
登録された失注理由は結果を表していることが多い
「価格が高い」「競合に決まった」「導入時期が延期になった」といった失注理由は、顧客の最終判断を表しています。しかし、同じ理由が登録された案件でも、その背景は異なります。
価格による失注でも、顧客の予算と自社の商品が最初から合っていなかった場合は、ターゲット条件の見直しが必要です。一方、価格に見合う効果を伝えられなかった場合は、提案資料や説明方法が改善対象になります。
失注理由をそのまま施策へ結び付けず、なぜその判断に至ったのかを確認することが重要です。
改善点を見つけるには商談過程の確認が必要
営業側で変更できる要因を探すには、どのフェーズで長期化したか、決裁者へ接触できていたか、顧客の課題や選定基準を把握できていたか、提案後にどのような懸念が出たかを確認します。
競合による失注が多くても、競合製品の機能だけが原因とは限りません。比較条件を把握できていなかった、差を説明する材料が不足していた、意思決定者が重視する項目を確認できていなかった可能性もあります。
失注理由と商談過程を組み合わせることで、営業担当者の行動、提案内容、ターゲット、商品や契約条件のどこに課題があるかを切り分けられます。
AIによる失注分析に必要なSFAデータ
失注分析では、SFAにあるすべての項目を使う必要はありません。分析目的に合わせて、商談の基本情報、営業プロセス情報、定性情報の3種類から必要なデータを選びます。
具体的なデータは次の通りです。
商談の条件を比較するための基本情報
基本情報には、業種、企業規模、商談金額、商品・サービス、営業担当者、リード獲得経路、競合情報、失注日、失注理由などがあります。
これらを使うと、特定の業種、企業規模、商品、金額帯で失注が増えていないかを比較できます。
担当者別に見る場合も、失注件数だけではなく、担当した商談数や案件条件をそろえて確認しましょう。難易度の高い案件を多く担当していれば、失注件数だけで能力を評価することはできません。
商談の進め方を確認する営業プロセス情報
営業プロセスを分析する場合は、商談期間、フェーズ、活動回数、最終接触日、提案回数、次回予定、更新履歴などを使います。フェーズ滞在期間や決裁者との接点など、標準では記録されない情報を分析したい場合は、履歴データから算出するか、専用の項目を設ける必要があります。
ただし、取得できる情報は、利用するSFAの仕様や設定によって異なります。
これらの情報から、どの段階で商談が止まりやすいか、接触が途切れていないか、提案や確認のタイミングが遅れていないかを確認できます。
しかし、活動回数が多いほど良いとは限りません。難しい商談ほど接触回数が増えることもあるため、活動量と商談内容を合わせて分析する必要があります。
失注の背景を把握する定性情報
失注コメント、商談メモ、営業日報、議事録、顧客から受けた質問、提案内容などは、背景を把握するための定性情報です。
生成AIは、文章の要約、分類、共通する懸念点の抽出に利用できます。一方、自由記述が短すぎる場合や、営業担当者の推測だけが書かれている場合は、十分な分析ができません。元の記録に情報がなければ、AIも正確には補えないためです。
AIで失注理由を分析する5つの手順
AIによる失注分析は、データをまとめて入力するだけでは進みません。何を改善したいのかを決め、比較条件をそろえ、AIの出力を人が検証する必要があります。
ここでは、AIを使って失注理由を分析する具体的な手順について解説します。
手順1．分析する目的と対象案件を決める
最初に、分析によって何を明らかにしたいのかを決めます。特定商品の失注が増えた原因、特定フェーズで商談が止まる理由、競合に敗れる案件の共通点など、目的によって必要な項目は変わります。
目的を決めずに全案件を分析すると、商品、顧客属性、営業担当者、時期の違いが混在し、改善策を選びにくくなります。「直近半年に特定商品で失注した案件」など、対象を具体的に絞るようにしましょう。
手順2．分析に必要なSFAデータを抽出する
目的に合わせて、対象期間、商談条件、使用項目を決めます。
例えば、商品別の原因を調べるなら、商品、商談金額、顧客属性、失注理由、競合情報、商談メモなどが必要な情報となります。商談の進め方を調べるなら、フェーズ滞在期間、活動履歴、決裁者との接点、提案日も必要です。
期間が短すぎると、一部の案件に結果が左右されやすくなります。反対に長すぎると、商品の仕様変更、価格改定、営業体制の変更が同じデータに混在してしまいます。
条件が大きく異なる案件は分けて分析するようにしましょう。
手順3．失注コメントや商談メモをAIで分類する
次に、自由記述をAIで分類します。「価格」に関する記録であれば、予算上限の超過、競合との差額、費用対効果の説明不足、必要以上の機能を含む提案、稟議資料の不足などに分けます。
AIには、分類名だけでなく、元の商談記録から根拠となる箇所を抜き出し、どの分類基準を適用したのかも出力させます。情報が足りない場合は推測せず、「判断不可」とする条件も加えます。
例えば、「各コメントを指定した分類基準に従って振り分け、根拠となる箇所を元の文章から抜き出してください。適用した分類基準も記載し、情報が不足している場合は『判断不可』としてください」と指示します。
結果を表形式にすると、元の記録と照合しやすくなります。分類後は、意味が重なる項目を統合し、営業部門で使える分類へ整えます。
手順4．顧客属性や営業活動との関係を比較する
分類した失注理由を、業種、企業規模、商品、商談金額、営業担当者、商談期間、停滞したフェーズ、活動回数、決裁者との接点などと組み合わせて比較します。
このとき、失注件数だけではなく割合も確認します。ある業種の失注件数が多くても、その業種の商談数自体が多ければ、特別に失注しやすいとは限りません。商品別や担当者別に比較する場合は、原則として同じ期間・条件のクローズ済み商談を対象とし、受注件数と失注件数の合計を分母にして失注割合を算出します。
長期保留や結果未確定の商談を分析する場合は、クローズ済み商談とは分けて集計しましょう。
手順5．個別の商談記録を確認して仮説を絞る
AIが見つけた傾向だけで原因を確定してはいけません。代表的な案件の商談履歴、活動記録、議事録、提案内容を確認し、分類が元の記録と合っているか、別の要因が影響していないかを確かめます。
「決裁者との接点がない案件で失注が多い」という傾向が出ても、接触できなかったことが直接の原因とは限りません。顧客の検討優先度が低かったため、接点を作れなかった可能性もあります。
AIで仮説を作り、個別記録と営業担当者への確認によって原因を絞り込みます。
分析結果から営業の改善点を見つける方法
失注理由を分類して傾向を整理しても、それだけでは営業改善にはつながりません。分析結果を「誰が何を変えるのか」という行動へ変換する必要があります。
改善対象は、ターゲット、商品・サービス、営業プロセス、営業管理の4つに分けると整理しやすくなります。
改善対象を4つに分けて整理する
自社の商品と合わない業種、企業規模、予算帯で失注が多い場合は、ターゲット条件や商談化基準を見直します。
特定機能、価格体系、契約条件への不満が共通する場合は、商品・サービスの課題として、商品企画や経営部門へ共有します。
ヒアリング不足、決裁者への接触不足、提案の遅れ、特定フェーズでの長期停滞が多い場合は、営業プロセスを見直します。
失注理由の未入力、更新の遅れ、担当者ごとの記録差が大きい場合は、営業管理やSFA運用の課題です。入力ルールや営業会議での確認方法を修正します。
影響度と改善可能性から優先順位を決める
改善施策は、失注件数が多い順に選ぶとは限りません。改善した場合の影響度と、実際に変更できる範囲の2点で優先順位を決めます。
市場全体の予算縮小や顧客側の組織変更は、自社だけでは変えにくい要因です。一方、決裁者へ接触する時期、ヒアリング項目、提案資料、競合との比較方法は営業部門で改善できます。発生件数が多く、売上への影響が大きく、営業側で変更できる課題から着手します。
改善内容をSFAの運用へ反映する
改善策は、営業会議で共有するだけでは定着しません。ヒアリング項目を追加する、フェーズ移行条件を見直す、失注理由の分類を修正する、提案前の確認項目を設けるなど、SFAの項目や商談管理ルールへ反映します。
一定期間後には同じ条件で再分析し、失注割合や停滞状況が変わったかを確認します。効果が見られない場合は、仮説や施策を見直します。
AIによる失注分析で注意すべきこと
AIを導入しても、SFAの入力内容や分析条件に問題があれば、有効な結果は得られません。
データ品質、結果の解釈、情報管理の3点を事前に確認します。
SFAの入力内容によって分析結果が変わる
失注理由の未入力、表記ゆれ、曖昧なコメント、担当者ごとの入力差があると、分析結果も不安定になります。
失注理由が入力されているか、同じ意味の項目が複数ないか、選択項目と自由記述の役割が分かれているか、商談履歴が一定の基準で登録されているかを確認します。AIは不足した事実を正確に補えるわけではありません。
相関関係をそのまま原因と考えない
「商談期間が長い案件ほど失注が多い」という結果が出ても、期間の長さが原因とは限りません。難しい案件だったために長期化した可能性もあります。
AIの分析結果は、原因の証明ではなく、確認すべき論点を絞るために使います。個別の記録や担当者の認識を確認し、他の要因がないかを検討します。
機密情報や個人情報の扱いを事前に確認する
SFAには、顧客情報、商談内容、契約条件、担当者情報などが含まれます。AIサービスへデータを連携する前に、契約条件、データの保存範囲、学習への利用、アクセス権限、自社の情報管理規程を確認します。
入力できる情報の範囲は、利用するサービス、契約内容、セキュリティ対策によって異なります。必要に応じて、対象項目を限定する、識別情報を削除する、社内で許可された環境を使うなどの対応を行います。
まとめ
AIによる失注分析の目的は、失注理由を細かく分類することではありません。SFAデータから背景を整理し、次の商談で変更すべき行動や仕組みを見つけることです。
失注理由、顧客属性、営業活動、商談メモを組み合わせることで、件数集計だけでは見えにくかった傾向を確認できます。ただし、AIの出力だけで原因を決めず、個別記録や営業担当者の認識を確認する必要があります。
分析対象を絞り、仮説を立て、改善策をSFA運用へ反映し、一定期間後に再分析する流れを作ることで、失注データを継続的な営業改善に活かすことができるでしょう。
シーサイドでは、SFAツールの導入設計から改善、AIツールの活用まで幅広く対応させていただいております。
お困りやご相談がありましたら、まずはお気軽にお問い合わせください。
